Google DeepMind ha lanzado AlphaGenome 2, un nuevo modelo de IA para la investigación genómica que predice cómo las variantes del ADN afectan a tipos de células humanas específicas y encuentra casi el doble de cambios genéticos relevantes que su predecesor, según la cobertura de The Decoder del anuncio de la compañía.
El lanzamiento aborda uno de los problemas persistentes de la genómica: cada célula del cuerpo humano lleva el mismo modelo de ADN, pero una célula del músculo cardíaco lee ese ADN de manera diferente a una célula inmune. Predecir esas diferencias específicas de las células (e identificar cuáles de los millones de posibles cambios en las letras del ADN causan realmente la enfermedad) sigue siendo uno de los mayores desafíos sin resolver en este campo. El anuncio de Google DeepMind, ampliamente cubierto el jueves, posiciona a AlphaGenome 2 como un ataque directo a ese problema, y Sundar Pichai destacó el marco de que "cada célula de nuestro cuerpo comparte el mismo modelo de ADN" en la cobertura del lanzamiento reportada por Benzinga.
De las predicciones masivas a la precisión del tipo de celda
El AlphaGenome original tomó una secuencia de ADN de un millón de letras y predijo sus propiedades a través de miles de experimentos que abarcaron muchos tejidos a la vez. Según Google DeepMind, ese enfoque paralelo amplió demasiado la capacidad del modelo, lo que dificulta capturar diferencias sutiles entre tipos de células estrechamente relacionadas.
AlphaGenome 2 funciona de manera diferente. Es un modelo condicional: junto con la secuencia de ADN, toma un estado biológico específico como entrada adicional y calcula los efectos para ese tipo de célula en particular. El sistema se entrenó en más de 107 millones de perfiles de células individuales que abarcan 68 tejidos en humanos y ratones.
El modelo va más allá de predecir con qué fuerza se expresa un gen. También calcula cómo se empaqueta físicamente el ADN dentro del núcleo (mostrando qué tramos del genoma son accesibles) y ahora predice la metilación del ADN, las etiquetas químicas que actúan como interruptores moleculares para silenciar o activar genes.
Resultados de referencia: un gran salto en la detección de variantes causales
En el conjunto de datos de referencia TenK10K que cubre 28 tipos de células inmunes primarias, AlphaGenome 2 identificó alrededor del 30 por ciento de las variantes causales y predijo correctamente si una variante regula hacia arriba o hacia abajo un gen en el 43 por ciento de los casos. Una versión mejorada del AlphaGenome original logró solo el 16 por ciento y el 23 por ciento en las mismas tareas, según las cifras de Google DeepMind informadas por The Decoder.
Esa mejora es importante porque los estudios de asociación de todo el genoma (GWAS) sólo pueden localizar de manera aproximada señales de enfermedades dentro de amplias extensiones de ADN. Una mejor predicción de las variantes causales les dice a los investigadores cuáles de las muchas variantes en una región asociada realmente merecen un seguimiento experimental: la diferencia entre una pista y un callejón sin salida.
El modelo también puede inferir datos faltantes a partir de una sola medición. Si los investigadores miden sólo la actividad genética de una célula, AlphaGenome 2 proporciona predicciones para propiedades adicionales, como cuán estrechamente se empaquetan tramos específicos de ADN. Eso ayuda a los laboratorios a decidir qué experimentos de laboratorio húmedo vale la pena realizar a continuación, y una ventaja arquitectónica clave es la adaptabilidad: los investigadores pueden alimentar datos de actividad genética de solo unas pocas docenas de células, y el modelo calcula efectos para estados celulares nunca antes vistos, a menudo superando a los modelos especializados entrenados directamente con esos datos, según DeepMind.
Mecanismos de enfermedades reproducidos computacionalmente
Dos casos demostrados muestran lo que el modelo puede hacer sin tocar una mesa de laboratorio. Trabajando de forma puramente computacional, AlphaGenome 2 reprodujo un mecanismo de enfermedad inflamatoria intestinal previamente identificado en un estudio: aisló la variante exacta del ADN en un interruptor regulador alejado del gen que sobreactiva selectivamente ETS2 en los macrófagos intestinales, mientras que otros tipos de células y genes permanecieron en gran medida sin verse afectados.
En una prueba separada aplicada a los datos de un estudio de la vacuna de ARNm de COVID-19, el modelo distinguió de manera confiable las células T activadas por la vacuna de las en reposo y mostró que una variante genética relacionada con casos graves de COVID-19 interrumpe la actividad celular principalmente en el estado activado, un efecto que habría permanecido invisible en las células en reposo.
Disponibilidad y lo que viene después
AlphaGenome 2 ya está disponible para investigaciones no comerciales a través de una API, mientras que los usuarios comerciales obtienen acceso a través de una vista previa cerrada. Google DeepMind es explícito en que el sistema no está aprobado para diagnóstico clínico: es una herramienta de investigación, no un dispositivo médico.
DeepMind ya ha precalculado predicciones para cientos de condiciones de células y tejidos, en parte para respaldar el desarrollo de fármacos impulsado por IA, y la compañía dice que planea implementar funciones dedicadas de AlphaGenome 2 en su plataforma de desarrollo agente Google Antigravity, donde el modelo se combinará con herramientas como Gemini 4 para flujos de trabajo de investigación automatizados.
El lanzamiento aterriza en un campo de IA para biología en rápido crecimiento. El propio linaje AlphaFold de DeepMind restablece la biología estructural y sus rivales se apresuran a aplicar modelos grandes al descubrimiento de fármacos. Lo que distingue a AlphaGenome 2 es la resolución: al condicionar el tipo de célula, traslada la interpretación variante de los promedios a nivel de población al contexto celular específico donde realmente opera la enfermedad. Si los logros de referencia se mantienen en el uso independiente, el modelo podría acortar el camino desde la asociación genética hasta la comprensión mecanicista, el paso más costoso en el desarrollo de fármacos modernos.
Manténgase a la vanguardia de la IALa IA está remodelando el descubrimiento de fármacos, la genómica y la biotecnología más rápido de lo que la mayoría de la cobertura puede seguir. Para obtener noticias de última hora sobre IA, análisis de investigaciones y los últimos desarrollos de IA, AI Buzz Wire sigue cada avance importante.
Leer más noticias sobre IA →
